【摘 要】
:
随着互联网技术的迅猛发展和众多无线智能设备的普及,越来越多的移动用户趋向于使用移动设备下载内容、浏览新闻视频等。用户的这些行为导致了移动数据需求量的爆炸性增长,给移动蜂窝网络运营商造成了巨大的数据流量负载和网络拥塞。目前,大部分工作或针对激励机制,或针对用户合作参与D2D分流,而忽略了CT的自私与不合作属性,考虑不够全面。基于设备到设备的机会通信辅助移动数据分流,并激励用户积极参与,实现内容传输用
论文部分内容阅读
随着互联网技术的迅猛发展和众多无线智能设备的普及,越来越多的移动用户趋向于使用移动设备下载内容、浏览新闻视频等。用户的这些行为导致了移动数据需求量的爆炸性增长,给移动蜂窝网络运营商造成了巨大的数据流量负载和网络拥塞。目前,大部分工作或针对激励机制,或针对用户合作参与D2D分流,而忽略了CT的自私与不合作属性,考虑不够全面。基于设备到设备的机会通信辅助移动数据分流,并激励用户积极参与,实现内容传输用户利润最大化和移动用户效用最大化是本文研究的重点。针对上述问题,本文主要内容及创新点如下:1)提出D2D辅助博弈的定价模型DASP(D2D Assisted Stackelberg Pricing)。首先,定义效用函数来量化移动用户的满意度和内容传输用户的收益。相较于大部分工作的移动用户效用函数,本文不只局限于单一影响因素,而是综合考虑了用户的内部需求、外部效应、网络效应和支付费用等因素。内容传输用户的效用函数考虑了其自私性与非合作性,通过内容提供商和移动用户支付给内容传输用户一定的费用来补偿其成本消耗。其次,利用Stackelberg博弈游戏模拟移动用户和内容传输用户间的相互作用。此定价机制是由移动用户发起,通过激励机制促进内容传输用户积极参与,从而实现双方效用的最大化。在第一阶段,内容传输用户首先为移动用户传输内容确定一个单价,使其总利润达到最大化;在第二阶段,基于给定的内容传输单价,移动用户制定内容请求策略,实现自身最大化效用。2)基于DASP模型实现移动数据分流。首先,着重分析DASP博弈游戏中纳什均衡点的存在性和唯一性,从理论上寻求最优化策略来共同最大化内容传输用户的利润和移动用户的效用。其次,设计了迭代的算法计算纳什均衡点,即DASP模型中移动用户和内容传输用户的最优策略,并证明此算法可收敛到纳什均衡点。最后,设计仿真实验,考察基于DASP模型的分流效果。本文采用小世界网络对所提出的网络结构进行了模拟,并与目前主流移动数据分流方法进行了比较。实验证明了本文的全面性考虑方法更具现实意义,具有良好的可行性和鲁棒性。通过本文提出的博弈模型,只需移动用户和内容传输用户交换策略信息,就可以得到内容传输用户的最佳定价,节省了大量的通信开销负担。在将来的工作中,将进一步考虑不同时段移动用户对数据分流的需求,建立动态模型。
其他文献
文本检测任务旨在用相关算法从文档或场景图像中定位出所包含的文本区域,该任务可作为各类计算机视觉任务的前置模块。现有的基于深度学习的方法克服了凭借经验手工设计特征的弊端,具有更强的特征学习能力,进而在工业和学术界大范围落地,然而当前的方法受到通用目标检测和语义分割框架的限制,检测器中的主干网络与文本特征不匹配,特征金字塔路径冗长,相邻文本判别算法效率低,文本结构特征保留能力弱等问题仍限制检测器的性能
中国象棋作为休闲和益智的一款游戏,流传至今,在伴随科技进步的同时,基于识别的机器人技术得到了很大发展,人机象棋博弈的相关研究也热度增加。当前,人机象棋走棋多为空间移动,为提高人机设备场地适用性,平面移动条件下的人机象棋博弈不可或缺,本文通过研究人机象棋相关方面理论,实现了一种基于平面约束条件下的人机象棋智能控制系统。其控制过程主要通过以下四个方面实现。第一、人机象棋系统棋子定位与识别。由机器视觉获
实例分割任务主要是将图像中的几种类别区分并检测标记出来。在基础卷积神经网络的基础上,对模型进行改进。当前的实例分割算法无法分割两个高度重叠的对象,之前的实例分割算法基本都是对图片的目标进行检测,然后在生成的检测框的基础上进行实例分割,这样可能会导致两个非常近的人无法区分出来。本文发现利用人体骨骼的特殊性能够更好的把图片中的人精准的分割出来,从而避免了候选框所带来的漏检情况,并且本文提出了两种全新的
步入21世纪后,中国经济发展势头强劲,一跃成为全球第二大经济体。但在快速经济发展的同时,国内能源问题也日益突出。根据去年全球能源使用情况调查数据显示,中国已成为能源消费最大的国家之一。为了缓解能源枯竭带来的危机,中国政府连续多年出台政策,对工业、建筑业和交通业三个能耗巨头的发展提出了一系列可持续发展的新要求。以建筑行业为例,每年建筑能耗使用占比超过了社会各行业总能耗的三分之一,且针对于建筑方面的节
近年来,中国经济发展迅速,城市现代化水平不断加深。然而,交通车辆保有量的急剧增加给城市交通运行带来了巨大的压力。出租车、公交车等公共交通工具的精准时间预测,不但能够利于人们对行程进行合理规划,节约时间,而且能缓解交通拥堵现象,避免人力、能源等浪费,进而给城市的规划建设提供重要参考。交通车辆通行时间预测研究已经成为智能交通领域的热点问题之一。然而,传统的研究方法无法充分提取各轨迹路径之间的时空特性,
生成对抗网络(GAN)作为一种深度学习模型,凭借可以在训练阶段提取真实图像和生成图像丰富特征的优势,正逐渐被应用于监督和半监督的图像识别中。本文围绕GAN模型图像识别精度的提升,在原始GAN模型的基础上做了以下工作:(1)原始GAN模型对图像特征的提取在一定程度上依赖判别器自身的学习,导致其提取到的数据特征与真实数据特征之间存在一定的偏移,影响了GAN模型图像识别的精度。针对这个问题,本文在原始G
我国是茶叶的生产大国,茶种植区的监测工作对我国经济发展具有重要意义。然而传统的人工野外勘测方法需要耗费大量的人力物力,时效性差,精度低,不能及时有效地获取茶种植区空间分布信息,同时也有着比较高的误差。遥感技术具有准确、及时获取信息的天然优势,因此使用遥感监测的方法实现对茶种植区的自动提取是可行的,但同时由于茶树在光谱特征上与其它农作物种植区的相似性,导致目前的茶提取算法难以达到良好的效果。本文以遥
基于光谱特征结合机器学习方法准确提取湿地信息并研究其动态变化,对于湿地环境监测和保护具有重要价值。随着人口增加,城乡建设快速发展,围垦、埋填、占用湿地,有害物质排放进入湿地,破坏了湿地生态环境,湿地的面积日益减少。因此,急需一种新的分类手段,以利于湿地的动态监测,湿地环境保护和合理的开发建设。城市建筑物分割是高分辨率遥感的热门研究领域。然而,高分辨率遥感图像的各种外观和复杂的背景使得城市建筑物的精
系统的状态估计问题广泛存在于自动驾驶、数据传输、故障诊断等领域,由于环境影响、模型参数不当选取、测量设备故障等原因,系统状态方程和测量方程中往往含有未知输入。而未知输入的存在使得上述状态估计问题的研究变得非常复杂。因此,本文考虑含有未知输入的线性系统和非线性系统,研究系统状态和未知输入的估计问题。首先,针对未知输入直接馈通到线性系统测量方程的情况,提出新的扩展递归三步滤波器,同时估计未知输入和线性
海岸线变化监测对海岸带的科学管理和保护具有重要意义。随着高分辨率遥感图像的快速积累,自动提取高分辨率遥感图像中的水边线(海陆分割线)是实现海岸线变化监测的重要手段。但高分辨遥感图像中地物细节复杂,陆地上临近封闭内水区域的边界极易被误识别为海陆分割线;另一方面,由于水边线本身类型多样(包括人工、砂质、淤泥质等)且易受附近地物遮挡,提取的水边线极易存在断点不连续的情况,因此,研究基于高分辨率遥感图像的